• 快捷搜索
  • 全站搜索

企业概念数据模型研究与实践

2020-01-03 17:51:32作者:上海浦东发展银行信息科技部 陆燕编辑:金融咨询网
本文围绕解决数据管理和应用中的问题,结合数据模型管理方面的经验,探索建立与浦发银行自身情况所匹配的、有特色的企业概念数据模型。

行业现状:大数据时代,数据已经成为金融企业的战略资源。从信息化建设的源头发现并定义好数据资产,促进业务和科技围绕数据的高效协同管理和应用,夯实企业数据资产质量,从而为企业带来及时有效的决策指引以及业务创新,发挥出数据资产的真正价值。本文围绕解决数据管理和应用中的问题,结合数据模型管理方面的经验,探索建立与浦发银行自身情况所匹配的、有特色的企业概念数据模型。

数据管理和应用难题

  数据是什么,如何表达数据,如何促使业务和科技围绕数据的协同管理及应用,一直是银行信息化建设中困扰已久的难题。具体表现为:围绕数据缺乏一致对话语言,业务和技术沟通效率低;数据需求管理缺少有效抓手,数据交付质量无法保障;数据治理成果难以落到实处,数据资产价值难以彰显等。

  而企业级数据模型正是解决这些问题的最佳工具,因为它能从企业级的视角,勾勒出全行有什么数据,以及对数据有效一致的表达。

  但传统概念模型是高阶概念的抽象,对于概念表述的详细程度不足,经常作为过程性产物被忽视。传统逻辑数据模型,在设计层面实现详细的数据见解,详细定义属性,是技术的数据表达方式,专业化程度较高,对大多数业务人员的使用和理解存在一定的门槛和难度,导致业务和技术沟通数据时存在理解及实现上“两张皮”的问题。

  因此,浦发银行进行了相关研究和探索,基于本体论思想在传统概念数据模型和逻辑数据模型之间创新性地设计了一层浦发银行的企业概念数据模型,实现详细业务理解。帮助业务和技术在信息化建设过程中沟通数据、描述数据、应用数据时,提高沟通效率,统一数据认知,进而促成银行的数据资产化,使“科技支撑”逐步转型成为“科技引领”。

企业概念数据模型构建

  通过从传统的概念模型和逻辑模型吸取模型设计的特点,并基于本体论思想,对银行内业务的本质进行本体抽象、归纳、和描述,设计形成浦发银行特色的企业概念数据模型,以实现在银行范围内统一的业务概念认知和表述。

  本体论(Ontology)一词最早由17世纪的德国经院学者Goclenius(1547—1628)提出并使用,其为古希腊哲学研究的核心主题。近几十年来,本体论引入了计算机科学领域,在数据库理论、计算机语言、人工智能等领域发挥着日益重要的作用。斯坦福大学Gruber教授于1995年给出其定义,本体论是对概念化的精确描述,用于描述事物的本质。

  本体论具有概念化、明确、形式化、共享等特征,非常适合用于表达业务概念和知识;同时比较偏向自然语言的表达方式,理解和学习的门槛较低,业务和技术都能很好理解,是一种能够适用于构建企业概念数据模型的方法。

  基于本体论的企业概念数据模型,以树形视图或层次结构进行组织和展现,包含以下要素:主题、业务对象、对象描述、描述分类、对象关系。元模型如图1所示。

图片5.jpg
图1  企业概念数据模型元模型

  主题:是在较高层次上对银行经营活动中的基础数据进行概况、分类,是对业务本质的高度抽象,比如,财务、参与人、渠道、产品。

  业务对象:是通过抽象各类业务本质得到的,可用于表示一个或多个银行内的事物,比如,个人客户、理财产品等。

  对象关系:表达业务对象与其他业务对象的联系,比如,银行与合作方之间的合作关系、客户和产品之间的购买关系。

  描述分类:是对业务对象描述的分类,同时业务对象与描述分类之间也存在映射关系。如对“客户”对象的描述可以包含“客户基本信息”、“客户等级评价信息”、“客户风险信息”等描述分类。

  对象描述:用于表达银行业务经营活动中关注的基础信息项,通过与业务对象或关系相关联,表达业务对象,比如,个人姓名、性别等。

  企业概念数据模型成果共包含参与人、渠道、产品、协议、事件、财务、资产、公用信息八大数据主题,1万余项基础信息项,覆盖了银行业务经营和管理的主要领域。参与人主题示例如图2所示。

图片6.jpg
图2  企业概念数据模型示例

企业概念数据模型应用

  经实践,企业概念数据模型能有效应用于业务构思、需求编写、模型设计、数据应用、数据治理等场景中,推动解决业务和技术沟通协作难、数据资产使用难、数据治理成果落地难等方面的问题。

  1.统一各方数据认知。通过企业概念数据模型,在全行范围内统一数据认知,确保业务和技术双方沟通过程中的业务概念都有据可查,有典可依,大幅提高业务人员和技术人员之间数据沟通效率。例如,在存贷款核心需求梳理阶段,来自总分行的业务、技术人员以及厂商人员众多,涉及存款、贷款、结算、卡、公用五个小组,通过企业概念数据模型,各组对数据形成统一认识、统一口径、统一描述,提高了项目组内部沟通效率。

  2.提高数据需求质量。业务人员可以运用企业概念数据模型进行新业务构想、业务品种设计、业务变更、需求编写等环节,帮助业务人员理清概念,更全面、规范、清晰、高效地构思和一致地表述需求,提高数据需求质量。例如,在支持反欺诈项目建设过程中,业务部门要求形成反欺诈监测的全行统一客户视图以及客户行为需求,通过企业概念数据模型中的参与人、事件主题,为业务部门提供了800多项信息要素,引导业务人员准确并高效得开展需求编写。

  3.提升数据应用效率。企业概念数据模型作为数据资产的导航地图,通过与数据分布相结合,能够完整的回答企业数据的分布情况,便于业务和技术人员进行快速描述数据、了解数据和定位数据,提高数据应用效率。例如,在EAST监管报送项目中,通过应用企业概念数据模型,快速明确1700个报送数据项的业务含义并定位其所在系统,占所有报文数据项的85%,为按时保质报送监管数据提供了坚实保障。

  4.指导数据模型设计。企业概念数据模型是从企业全局视角出发、面向业务的数据模型,可以为应用逻辑数据模型和应用物理数据模型建设的输入和参考,同时也对该两类模型建设提供指导和规范性要求。例如,在核心结算业务限额管理功能数据模型设计中,利用企业概念模型的业务对象和数据分类抽象出相关业务实体,并结合企业概念模型数据分类下描述项设计每个逻辑实体内的属性信息,规范数据定义。

  5.推动数据治理落地。通过企业概念数据模型,承载数据治理成果,在信息化建设过程中,以企业概念数据模型为抓手,在需求源头阶段推动落实数据标准,建立起数据质量改善和预防措施,有效降低数据质量问题发生的可能性,进而保证最终交付的系统数据质量。以存贷款项目结算模块为例,数据项的贯标率较以往项目的贯标率提升了约1.5倍,有效促进了银行数据标准化工作。

企业概念数据模型管理

  企业概念数据模型不是静态不变,它是随着企业业务的发展而不断演进,如何管好企业概念数据模型,就是要管理好企业概念模型的建设与演进,使之准确反映最新的业务体系与系统架构现状。

  企业概念数据模型的管理可以分为二个方面:一是建立企业概念数据模型的版本基线,不断对其进行补充与修正;二是提供企业概念数据模型的评价反馈与评估优化机制,发起概念模型的优化改进。相应地,建立企业概念数据模型全生命周期的管理流程,覆盖模型编制、发布、应用、评估四个阶段(如图3所示)。

图片7.jpg
 图3  企业概念数据模型生命周期管理

  编制阶段:包含企业概念模型分类框架的变更、信息项的新增、变更(修改、停用)等工作,建立“企业概念数据模型新建与变更流程”。

  发布阶段:包含企业概念模型编制完毕后待发布阶段的审定、发布及其版本维护工作,建立“企业概念数据模型发布流程”。

  应用阶段:包含企业概念数据模型在信息化建设各环节的应用,在原有项目管理流程中增加相应的管理控制要求。

  评估阶段:包含企业概念模型发布应用之后的意见征集与评估工作,建立“企业概念数据模型的评估流程”。

  在组织架构方面,基于已有的数据治理体系组织架构,补充企业概念模型的管理角色与职责。在制度方面,发布《企业概念数据模型规范》《数据模型设计规范与指南》《数据需求填写指南》等规范和模板,形成企业概念数据模型成果应用和管理的硬约束。

结束语

  浦发银行从业务可以理解的认知体系出发,在传统概念数据模型和逻辑数据模型之间创新性地设计了一层企业概念数据模型,采用了有别于传统ER模式的层次化结构,既结合了概念模型易于理解的特点,又结合了逻辑模型的细度,有利于降低专业壁垒,便于银行各类人员理解和使用。

  作为从源头解决数据认知的有效方法,企业概念数据模型建立起企业范围内对数据资产的共享语言,对于规范数据描述、提高沟通效率、提升数据交付效率和质量、强化业务与技术之间数据协同效果都起到较为明显的效果,助力银行数字化转型发展。同时,对同业研究企业数据模型,提升数据资产管理和应用能力,推动数据治理工作具有很好的示范效应和借鉴作用。

(文章来源:金融电子化杂志)

扫码即可手机
阅读转发此文

本文评论

相关文章